Real-Time Thermal-Inertial Odometry on Embedded Hardware for High-Speed GPS-Denied Flight

📄 arXiv: 2603.02114v1 📥 PDF

作者: Austin Stone, Mark Petersen, Cammy Peterson

分类: cs.RO

发布日期: 2026-03-02

💡 一句话要点

提出一种实时热惯性里程计，用于嵌入式硬件上的高速、无GPS环境飞行。

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 热惯性里程计 嵌入式系统 高速飞行 无GPS导航 因子图优化

📋 核心要点

  1. 现有视觉里程计在高速运动和视觉退化环境中表现不佳，难以满足无人机在复杂环境下的自主导航需求。
  2. 该论文提出一种融合热成像、惯性测量等多传感器信息的里程计系统，利用热成像的鲁棒性和惯性测量的快速性，提升系统在恶劣环境下的定位精度。
  3. 实验结果表明，该系统在NVIDIA Jetson Xavier NX上能够以30m/s的速度稳定飞行，公里级轨迹漂移小于2%，验证了其有效性。

📝 摘要（中文）

本文提出了一种实时单目热惯性里程计系统，专为嵌入式硬件上的高速、无GPS环境飞行而设计。该系统融合了FLIR Boson+ 640长波红外相机、高频IMU、激光测距仪、气压计和磁力计的数据，并将其整合到一个固定延迟因子图中。为了在运动模糊、低对比度和快速视点变化下维持可靠的特征跟踪，我们采用了一个轻量级的热优化前端，具有多阶段特征过滤。激光测距仪的测量结果为每个特征提供了深度先验，从而在弱可观测运动期间稳定尺度。高频惯性数据首先使用切比雪夫II型无限脉冲响应（IIR）滤波器进行预滤波，然后进行预积分，从而提高了在剧烈机动期间对机身振动的鲁棒性。为了解决高速飞行时引起的气压高度误差，我们训练了一个不确定性感知门控循环单元（GRU）网络，该网络对静态压力失真的时间动态进行建模，优于多项式和多层感知器（MLP）基线。该完整系统集成在NVIDIA Jetson Xavier NX上，支持四旋翼飞行器以30米/秒的速度进行闭环飞行，在公里级轨迹上的漂移低于2%。这些贡献扩展了热惯性导航的运行范围，从而能够在视觉退化和无GPS环境中实现可靠的高速飞行。

🔬 方法详解

问题定义：论文旨在解决在高速、无GPS环境中，传统视觉里程计由于运动模糊、光照变化、纹理缺失等问题导致的定位精度下降甚至失效的问题。现有方法难以在嵌入式平台上实现实时、高精度的定位，限制了无人机在复杂环境下的应用。

核心思路：论文的核心思路是融合热成像、惯性测量、激光测距等多种传感器信息，利用各自的优势互补，提高系统在恶劣环境下的鲁棒性和精度。热成像对光照不敏感，惯性测量提供高频运动信息，激光测距提供深度信息，共同构建一个更可靠的定位系统。

技术框架：该系统采用固定延迟因子图框架，融合来自FLIR Boson+ 640长波红外相机、高频IMU、激光测距仪、气压计和磁力计的数据。系统主要包含以下模块：1) 热优化前端，用于提取和跟踪热成像特征；2) 惯性测量预处理，使用切比雪夫II型IIR滤波器进行滤波和预积分；3) 激光测距深度先验，用于稳定尺度；4) 基于GRU网络的气压高度误差建模，用于校正气压计误差；5) 因子图优化，融合所有传感器信息，估计无人机的位姿。

关键创新：论文的关键创新在于：1) 针对热成像的轻量级特征提取和跟踪算法，能够在运动模糊和低对比度下保持鲁棒性；2) 基于GRU网络的气压高度误差建模方法，能够有效抑制高速飞行时的气压计误差；3) 多传感器融合的因子图优化框架，能够充分利用各种传感器信息的互补性，提高定位精度。

关键设计：热优化前端采用多阶段特征过滤，包括基于图像梯度的特征选择和基于光流的特征跟踪。惯性测量预处理使用切比雪夫II型IIR滤波器，以抑制高频噪声。GRU网络采用不确定性感知的设计，能够根据输入数据的质量调整权重。因子图优化采用固定延迟策略，以保证实时性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

该系统在NVIDIA Jetson Xavier NX嵌入式平台上实现了实时运行，能够以30m/s的速度进行闭环四旋翼飞行，在公里级轨迹上的漂移低于2%。与传统方法相比，该系统在视觉退化和无GPS环境中表现出更强的鲁棒性和更高的精度，验证了其在高速飞行和复杂环境下的有效性。

🎯 应用场景

该研究成果可应用于无人机在复杂环境下的自主导航，例如灾难救援、电力巡检、桥梁检测等。在这些场景中，GPS信号可能被遮挡或干扰，光照条件可能恶劣，传统的视觉导航方法难以胜任。该系统能够提供可靠的定位信息，支持无人机安全、高效地完成任务，具有重要的实际应用价值。

📄 摘要（原文）

We present a real-time monocular thermal-inertial odometry system designed for high-velocity, GPS-denied flight on embedded hardware. The system fuses measurements from a FLIR Boson+ 640 longwave infrared camera, a high-rate IMU, a laser range finder, a barometer, and a magnetometer within a fixed-lag factor graph. To sustain reliable feature tracks under motion blur, low contrast, and rapid viewpoint changes, we employ a lightweight thermal-optimized front-end with multi-stage feature filtering. Laser range finder measurements provide per-feature depth priors that stabilize scale during weakly observable motion. High-rate inertial data is first pre-filtered using a Chebyshev Type II infinite impulse response (IIR) filter and then preintegrated, improving robustness to airframe vibrations during aggressive maneuvers. To address barometric altitude errors induced at high airspeeds, we train an uncertainty-aware gated recurrent unit (GRU) network that models the temporal dynamics of static pressure distortion, outperforming polynomial and multi-layer perceptron (MLP) baselines. Integrated on an NVIDIA Jetson Xavier NX, the complete system supports closed-loop quadrotor flight at 30 m/s with drift under 2% over kilometer-scale trajectories. These contributions expand the operational envelope of thermal-inertial navigation, enabling reliable high-speed flight in visually degraded and GPS-denied environments.